随着我国石油资源开发的进行,低渗透油气田的勘探开发逐渐受到重视。库车东部碎屑岩储层属于低孔、低渗储层,该地区储层具有孔喉半径小、非均质性强、粘土矿物含量丰富和微裂缝发育等特点,使得该区块在生产开发的一系列过程中容易受到敏感性损害。为减小储层所受损害,需对其敏感性进行评价研究。敏感性评价一般采用室内动态评价方法,但该方法耗时长,有些实验因岩心渗透率低等因素无法得出结果,实验数据误差较大,平行实验数据重复性难以保证。因此,有必要对库车东部碎屑岩储层进行敏感性预测研究。本文通过对库车东部碎屑岩储层地质构造的分析,梳理影响研究区块五种敏感性的地质因素结合储层敏感性室内动态评价得出的损害率作为样本数据;根据样本数据特征,选用恰当的算法建立预测模型对储层五种敏感性损害率进行定量预测,该方法可省去敏感性室内动态评价所消耗的人力、物力和时间。本文选用的预测算法有BFGS神经网络法、支持向量机法、随机森林法、主成分分析法和多项式回归法。BFGS神经网络算法具有很强的非线性拟合能力,可映射任意复杂的非线性关系,具有很强的鲁棒性、记忆能力以及强大的自学习能力;支持向量机算法善于处理数量少、维度高及非线性特征明显的数据。随机森林算法具有极高的准确率并且能够评估各个特征的重要性,能很好的解决多变量预测问题。主成分分析法可降低数据维度,抽取数据重要信息,去除数据中的无用信息,从而提高数据的价值。多项式回归法是最原始的回归方法,计算过程简单,但对于数据质量和数量要求较高。库车东部储层五种敏感性的影响因素较多,且通过地质试验和敏感性室内动态评价所得的样本数据较少,因此收集到的样本数据具有维度高,数量少的特点,所以神经网络算法、支持向量机算法、随机森林算法的引入能提高库车东部储层敏感性损害率预测结果的准确性。根据预测模型和样本数据使用C#语言编制储层敏感性损害率预测软件,方便在后续的研究过程中便捷的进行储层敏感性损害率预测工作;在建立好的模型中带入预测参数,可直接得出储层敏感性损害类型和损害指数,为研究区块采取合理的开采方式,降低敏感性对储层的伤害提供理论依据。